Welcoming Diverse Approaches Keeps Machine Learning Strong Andrew NG, deeplearning.ai
每个大牛的个性都不同，往往差别巨大。马斯克和杨立昆会在 x.com 上互怼，相互嘲讽，双方性格都比较张扬。而 Andrew 正如绝大多数学术界的大牛，比如 Geoffrey Hinton，都有着学院派的友善。但无论性格如何不同，大多数情况下，他们都具备“对事不对人”的智慧。
Andrew 在 Welcoming Diverse Approaches Keeps Machine Learning Strong 中相对强烈的抨击了大语言模型领域中对 Agent 方向上的“咬文嚼字”，而不关注目标、目的的现象。
他用了以下几个示例来论证 open mind 的重要性，
- 机器学习领域发展迅速，得益于一个“后来者”对事物的谦虚和包容。有着“白猫黑猫抓到老鼠就是好猫”的务实精神。很多算法思想可以追溯到 18 世纪，那又如何？它也是机器学习的一部分。
- 20 年前，当统计与机器学习擦肩，统计部门在科学性上忙于“撇清”与机器学习之间的关系，导致最近几年机器学习甩开统计学几条街的原因。
进而引出最近关于“Agent”和“Agentic”的争论。其实这种单纯应用层面概念的定义，根本不能和数学、逻辑概念相提并论，争论个“你对我错本”就没有太大意义。类似于前几年对 Cloud 的不同形式的定义，IAAS 、 PAAS 、 SAAS，其实也没有非黑即白的界限。
有意义的是，Andrew 为 Agentic System 总结了 4 个设计模式：
- Reflection
- Tool use
- Planning
- Muti-agent collaboration
Andrew 非常看好 Agentic System 的发展前景。Agentic System 也就是基于现有 LLM 之上的应用，是大语言模型领域两个重要方向之一。要不卷模型，要不卷应用。
对于技术同学来说，总会觉得模型更有技术含量，无论在哪都有“鄙视链”的存在，就像有人的地方就有江湖。但当你打开 Agentic 这扇门，就会发现它也是一个五彩缤纷的世界，多余的只是自身的傲慢。
除了 deeplearning.ai，Comprehensive Outline of Large Language Model-based Multi-Agent Research也是该领域的一个宝藏所在！
言归正传，敬请期待搬砖 4 个设计模式 😄